趋势性检验还不会做？来看看最基本的趋势性检验方法

郑老师四月系列文章：趋势性分析方法
趋势性分析并不是一篇论文的必须结果，但是它可以锦上添花，能够让一篇论文好看一些。现在越来越多的论文放了趋势性分析的结果，这个技术其实不复杂，但多数人没有掌握，我准备好好谈一谈。因此4月份，我预计出4-5篇趋势性分析的文章。这些趋势性方法，有传统的方法，也有广义上的趋势性分析方法与技术。
具体内容如下：
1.最基本的趋势性检验方法
2.回归开展趋势性检验，您可能用的不对
3.限制性立方样条图，一种美的不行的趋势性分析方法
4.Loess回归，非线性趋势性分析，怎么能少了它呢？
第一篇：
最基本的趋势性检验方法

最近接到一位学生的咨询，怎么开展趋势性检验（trend test）。不知道各位吃瓜群众有没有听说过这个名词，有没有尝试过呢？这是很重要的方法！
比如下图，可是说明骨密度在年龄上存在着趋势。
Age
Bone mineral density
P  value
20-30
2.32±0.78
0.002
30-40
2.02±0.54
40-50
1.85±0.44
50-60
1.62±0.41

一、趋势性检验概念

趋势性检验的概念非常简单，顾名思义，检验结局变量（Y）是否随着分组变量（X）呈现一定的线性或者倾向性的改变，最为典型的是药物剂量反应的关系。我们可以检验，随着药物剂量的增加，患者的病情是否进一步加重或改善，死亡率或生存活率是否发生一定方向的改变，这种改变经过统计学分析如果具有统计学差异，那么可以认为趋势成立。
趋势检验根据结局变量Y的特点其方法可分为两类，我们各自具体来看具体方法。
二、定量资料的趋势检验
定量资料的趋势性检验总的来说采用的方法就是线性回归的方法了，在统计软件SPSS中，可以通过简单的操作完成，具体在方差分析分析模块。
来来来，我们来分析年龄与骨密度的趋势关系。
第一，我们可以简单做一个方差分析，P=0.057, 没有发现统计学差异，虽然从数字是来看，貌似有一定的差别。
ANOVA
平方和
df
均方
F
显著性
组间
3.358
3
1.119
2.742
.057
组内
14.696
36
.408
总数
18.053
39
第二，线性趋势在哪里呢？方差分析—“对比”—多项式、线性，The test for trend was performed with a polynominal contrast procedure, 结果是P=0.008, 具有统计学差异。有点神奇吧?方差分析没有统计学差异，而在趋势性检验中却有统计学差异，这对于有些研究来说，是一个极好的方法。
就是这么简单！
 
三、分类资料的趋势性检验

首先，我们来看第一个案例：
实验组和对照组，结局是等级数据，要探讨两组数据疗效有没有差别，用什么方法呢？

 

这一组是什么形式数据？也就是传统意义的单向有序资料，采用什么方法分析？当然秩和检验方法。
然后再看第二个案例：
这个案例评价不同药物剂量对肿瘤小鼠治疗的有效率差异性，结局是二分类，但是分组变量是三分类，是有序分类变量，要探讨不同剂量的疗效有没有差别，应该采用什么方法呢？
剂量
有效
无效
有效率
（%）
低浓度
50
30
37.5
中浓度
40
40
50.0
高浓度
30
50
62.5
第二组呢？分组组别之间是存在着等级，另外一类的单向有序分类资料，应该采用什么方法呢？
其实一个数据，很多时候有多种策略。这个案例有两种策略，第一种，做三组数据的卡方检验，探讨不同浓度的药物差异性，同时开展多重比较；第二种，由于不同浓度的药物存在着剂量梯度，可以开展剂量反应分析，采用的方法就是趋势性分析。
如果开展趋势性分析呢？也有两种统计学方法：
1.复杂的方法----采用logistic回归分析，它用于OR值的趋势性分析！这种方法我在第三篇文章会介绍。
2.，简单的方法，卡方趋势检验！
我们今日来学习下卡方趋势检验！

卡方趋势性检验，就隐藏在普通的卡方检验里面。
卡方分析结果中，有个“线性关联”（spss 25 版本），这个就是卡方趋势性检验，P=0.002，说明存在着剂量反应关系。
四、Cochran-Armitage 趋势性检验
关于卡方趋势检验，很多在问，上述做得卡方趋势检验是Cochran-Armitage，不是的。
Cochran-Armitage趋势性检验（CATT），是以William Cochran(1954)和Peter Armitage(1955)的名字来命名的，可用来评估一个二分类变量和一个有序分类变量之间的关联性，即R×2列联表资料，因此又称趋势性卡方检验。组变量为有序变量，至少分为三类，结局变量为二分类指标 维基百科对CATT的解释：The Cochran–Armitage test for trend,named for William Cochran and Peter Armitage, is used in categorical data analysis when the aim is to assess for the presence of an association between a variable with two categories and an ordinal variable with k categories.

本文第三点做的卡方趋势检验，其实是Linear-by-Linear Association (LLA)。那么，两者的区别在哪？SPSS软件的Cochran-Armitage趋势检验究竟如何操作？
两者是有所区别的，下面看看来自SPSS软件公司的答复：“The linear by linear association chi^2 statistic in CROSSTABS is one version of a trend test. A logistic regression is another option.SPSS doesn't offer specifically the Cochran-Armitage trend test, which is based on a linear probability model rather than a linear logistic model, but running a linear regression will produce a p-value that's reasonably close to what you'd get if you went to the trouble of calculating that statistic.”这段文字的意思就是SPSS尚不提供Cochran-Armitage趋势检验，不过呢，Linear-by-Linear Association可以得到近似的结果。
CA趋势检验在SAS与R中能够实现 
SAS代码
proc freq;
table row*col /trend;
weight n;
run;

R代码
library(CATT)
tbl=matrix(c(50,30,40,40,30,50),ncol=3)
CATT(table=tbl)
我认为无论是Linear-by-Linear Association，还是Cochran-Armitage，两种方法都是可以采用的，只要在文章中指明用的是什么方法就好，它们都可以得到线性趋势的统计结论。
五、总结
别看趋势检验一般不是不是医学统计学课程内容，但是如果你们注意看，高质量的SCI收录论文，凡是实验组别存在着剂量梯度或暴露水平梯度的，都会求一个Ptrend值。希望各位聚焦下。
赞 (0)

相关推荐